人工智能深度学习技术练习(习题卷13)

试卷科目：人工智能深度学习技术练习人工智能深度学习技术练习(习题卷13)PAGE"pagenumber"pagenumber/SECTIONPAGES"numberofpages"numberofpages人工智能深度学习技术练习第1部分：单项选择题，共47题，每题只有一个正确答案,多选或少选均不得分。[单选题]1.当练一个神经网络来作图像识别任务时，通常会绘制一张训练集误差和交叉训练集误差图来进行调试。在上图中，最好在哪个时间停止训练?CA)DB)AC)CD)B答案:C解析:[单选题]2.双曲正切函数即(),取值范围为[-1,1]A)RelU函数B)sigmoid函数C)tanh函数D)sin函数答案:C解析:[单选题]3.要建立数学模型,其详细过程是必须经过数据测量、数据比较、()过程,才能达到最优。A)逐渐逼近B)校准C)回归D)监督答案:A解析:[单选题]4.你有一个15x15x8的输入，并使用?pad=2?进行填充，填充后的尺寸是多少？A)17x17x10B)19x19x8C)19x19x12D)17x17x8答案:B解析:[单选题]5.对于二元分类问题，您会选择以下哪种架构?CA)1B)2C)任何一个D)都不用答案:C解析:[单选题]6.面向对象编程的课程中，老师使用什么家电设备作为例子类比封装的特点（）A)洗衣机B)电视机C)空调D)冰箱答案:A解析:难易程度：易题型：[单选题]7.在一个32X32大小的图像,通过步长为1,不考虑填充,大小为5X5的卷积核卷积后,结果尺寸成为A)28X28B)14X14C)31X31D)32X32答案:A解析:[单选题]8.（）只是单CPU模拟双CPU来平衡程序运行性能，这两个模拟出来的CPU是不能分离的，只能协同工作。A)多任务B)超线程技术C)虚拟化D)多线程答案:B解析:超线程技术只是单CPU模拟双CPU来平衡程序运行性能，这两个模拟出来的CPU是不能分离的，只能协同工作。[单选题]9.A=2133−21，B=12−2−1−30，求BA（）。A)9438B)−9437C)−9438D)9−4−38答案:C解析:难易程度：易题型：[单选题]10.一幅彩色数字图像，分辨率为1024*768，请问在计算机中存储需要多少空间？A)0.28MBB)1.28MBC)2.28MBD)3.28MB答案:C解析:[单选题]11.当在卷积神经网络中加入池化层(poolinglayer)时，变换的不变性会被保留，是吗？A)不知道B)看情况C)是D)否答案:C解析:[单选题]12.pytorch中随机失活使用的是A)nn.LinearB)nn.FlattenC)nn.DropoutD)nn.BatchNorm2d答案:C解析:[单选题]13.假设你有5个大小为7x7、边界值为O的卷积核，同时卷积神经网络第一层的深度为1。此时如果你向这一层传入一个维度为224x224x3的数据，那么神经网络下一层所接收到的数据维度是多少?（）A)218x218x5B)217x217x8C)217x217x3D)220x220x5答案:A解析:[单选题]14.与Inception同年提出的优秀网络还有(),它相比于AlexNet有更小的卷积核和更深的层级A)VGG-NetB)InceptionC)ResNetD)LeNet-5答案:A解析:[单选题]15.opout是一种在深度学习环境中应用的正规化手段。它是这样运作的:在一次循环中我们先随机选择神经层中的一些单元并将其临时隐藏，然后再进行该次循环中神经网络的训练和优化过程。在下一次循环中，我们又将隐藏另外一些神经元，如此直至训练结束。根据以上描述，Dropout技术在下列哪种神经层中将无法发挥显著优势?CA)仿射层B)卷积层C)RNN层D)均不对答案:C解析:[单选题]16.pytorch中，LSTM中神经元数量设定的参数为A)input_sizeB)batch_firstC)biasD)hidden_size答案:D解析:[单选题]17.c=tf.constant([3,2.0,5],[1,6,0],[9,0,0]])，print(c.dtype)，该程序输出结果为A)<dtype:?int32?>B)<dtype:?float32?>C)<dtype:?string?>D)<dtype:?int64?>答案:B解析:[单选题]18.BP算法是通过梯度下降的方法对联结权重进行优化,即需要计算误差函数对联结权重的()。A)导数B)偏导数C)平方差D)标准偏差答案:B解析:[单选题]19.下列哪个函数不可以做激活函数?DA)y=tanh(x)B)y=sin(x)C)y=max(x,0)D)y=2x答案:D解析:[单选题]20.阅读以下文字：假设我们拥有一个已完成训练的、用来解决车辆检测问题的深度神经网络模型，训练所用的数据集由汽车和卡车的照片构成，而训练目标是检测出每种车辆的名称（车辆共有10种类型）。现在想要使用这个模型来解决另外一个问题，问题数据集中仅包含一种车（福特野马）而目标变为定位车辆在照片中的位置。我们应该如何操作？（）A)除去神经网络中的最后一层，冻结所有层然后重新训练B)对神经网络中的最后几层进行微调，同时将最后一层（分类层）更改为回归层C)使用新的数据集重新训练模型D)所有答案均不对答案:B解析:[单选题]21.二分类和多分类直接说法正确的是A)使用相同的激活函数B)使用相同的代价函数公式C)二分类使用softmax激活，多分类使用sigmoid激活D)得到的结果都是概率形式答案:D解析:[单选题]22.情感分析属于下列哪一种分析方式A)多对一B)一对多C)多对多D)以上都不对答案:A解析:[单选题]23.tensorflow中，数据喂入主要使用什么参数完成？A)PlaceholderB)ConstantC)Feed_dictD)Variable答案:C解析:[单选题]24.混沌度(Perplexitv)是一种常见的应用在使用深度学习处理NLP问题过程中的评估技术，关于混沌度，哪种说法是正确的?BA)度没什么影响B)混沌度越低越好C)混度越高越好D)于果的影响不一定答案:B解析:[单选题]25.动量优化算法的特点是A)如果梯度同方向速度会越来越快B)梯度可以最快速度迭代到最优解C)学习率不断衰减D)没有方法可以越过鞍点答案:A解析:[单选题]26.Tanh函数会把输入的数值映射到（）区间内。A)[-1,1]B)[-1,0]C)[0,1]D)以上都不对答案:A解析:[单选题]27.ImporttensorflowastfInput=tf.variable(tf.random_normal([1,3,3,1]))Filter=tf.variable(tf.random_normal([3,3,1,1]))Result=tf.nn.conv2d(input,filter,strides=[1,1,1,1]),padding='VALID')该程序中，卷积操作中步长为（）A)3B)0C)1D)4答案:C解析:[单选题]28.在下图中，我们可以观察到误差出现了许多小的"涨落"。这种情况我们应该担心吗?A)需要，也许意味着神经网络的学习速率存在问题B)不需要，集交验证上有累积的下降就可以了C)不知道D)不好说答案:B解析:[单选题]29.编程中,通常要进行全局变量初始化操作,可以使用下列那一个语句()A)init_op=tf.global_variables_initializer()B)init_op=tf.variables_initializer()C)init_op=tf.initializer()D)init_op=np.global_variables_initializer()答案:A解析:[单选题]30.梯度爆炸可以使用的解决方式有:A)梯度剪切,正则B)增加拟合数据C)增加训练数据维度D)增加隐藏层答案:A解析:[单选题]31.启动图/会话的第一步是创建一个Session对象,如:A)sess=tf.Session()B)sess.close()C)tf.addD)tf.eqeal答案:A解析:[单选题]32.下列哪项关于模型能力(modelcapacity)的描述是正确的?(指神经网络模型能拟合复杂函数的能力)A)隐藏层层数增加，模型能力增加B)Dropout的比例增加，模型能力增加C)学习率增加，模型能力增加D)都不正确答案:A解析:[单选题]33.数量积(dotproduct;scalarproduct,也称为()是接受在实数R上的两个向量并返回一个实数值标量的二元运算,它是欧几里得空间的标准内积。A)平方差B)和差化积C)内积D)点积答案:D解析:[单选题]34.二分类算法可以处理以下哪种场景？A)人脸验证B)识别动物种类C)语音识别D)股票预测答案:A解析:[单选题]35.下列有关循环神经网络中的Embedding层的描述，错误的是()A)Fmbedding层通常用在神经网络的第一层。B)Embedding层将正整数(索引)转换为固定大小的向量。C)mbedding层后得到的密集向量的每个元素只能是0或!。D)若Embedding层的输入的大小为(batchsizeinputlength),则输出的大小为(batchsize,inputlength,outputdim),outputdim是密集向量的维数。答案:C解析:[单选题]36.灰度数字图像是每个（）只有一个采样颜色的图像。A)像素B)坐标C)数值D)元素答案:A解析:灰度数字图像是每个像素只有一个采样颜色的图像。[单选题]37.训练模型最灵活的方式是：A)内置fitB)内置train_on_batchC)自定义训练循环D)内置compile答案:C解析:[单选题]38.在深度学习网络中，以下哪种技术不是主要用来做网络正则化的？A)dropoutB)参数共享C)EarlystoppingD)Pooling答案:B解析:[单选题]39.在手写数字大作业中，网上普遍使用的算法是（）A)CNNB)CNNDC)GAND)GAND答案:A解析:难易程度：易题型：[单选题]40.关于dropout描述正确的是:A)属于正则处理B)一个激活函数C)用于分割数据集D)用于将数据样本多样化答案:A解析:[单选题]41.关于符号主义描述正确是A)是人工智能的主流B)是人工智能的基础C)是人工智能的全部D)不是人工智能答案:A解析:[单选题]42.在深度学习中,对于正则化,以下哪个说法是正确的?A)每一个隐层都需要正则化B)正则化可以预防过拟合C)正则化可以预防欠拟合D)每一个模型中都需要正则化,否则无法正确预测结果答案:B解析:[单选题]43.Tf.convert_to_tensor用于将不同()变成张量:比如可以让数组变成张量、也可以让列表变成张量。A)数据B)变量C)高度D)范数答案:A解析:[单选题]44.在tf中My_var_times_two=my_var.assign(2*my_var)A)让my_var对应变量翻倍赋值给My_var_times_twoB)没有赋值C)赋值不翻倍D)my_var对应变量翻倍答案:D解析:[单选题]45.安装第三方库的命令正确的是（）。A)importB)pipC)installD)pip答案:B解析:难易程度：易题型：[单选题]46.keras中dataset中过滤某些样本的参数是A)mapB)filterC)shuffleD)batch答案:B解析:[单选题]47.Tf.nn.softmax_cross_entropy_with_logits函数是TensorFlow中常用的求()的函数,即计算labels和logits之间的交叉熵(crossentropy)A)信息熵B)信息元C)logitsD)交叉熵答案:D解析:第2部分：多项选择题，共17题，每题至少两个正确答案,多选或少选均不得分。[多选题]48.pytorch构建模型的三种方式A)继承nn.Module基类构建自定义模型B)使用nn.Sequential按层顺序构建模型C)继承nn.Module基类构建模型并辅助应用模型容器进行封装(nn.Sequential,nn.ModuleList,nn.ModuleDict)D)使用model直接处理答案:ABC解析:[多选题]49.关于深度神经网络的构成,将卷积层放在前面,将全连接层放在后面,它们的作用是A)用卷积层提取特征B)pooling的下采样能够降低overfittingC)激活函数relu可以用到卷积层D)全连接层负责分类答案:ABCD解析:[多选题]50.在《深度学习》网络中,神经网络层的卷积部份一般都有什么层构成?A)卷积层B)RELUC)POOLING层D)pedding答案:ABC解析:[多选题]51.对于集合外一个点,到该集合的距离是A)是该点到集合边界点的最短距离B)是该点到集合内所有点的最短距离C)是该点到集合内任意一点的距离D)是该点到集合内非边界点的某点的距离答案:AB解析:[多选题]52.计算机视觉特征检测点检测中,点特征的优势是?A)点特征属于局部特征,对遮挡有一定鲁棒性B)通常图像中可以检测到成百上千的点特征,以量取胜C)点特征有较好的辨识性,不同物体上的点容易区分D)点特征提取通常速度很快答案:ABCD解析:[多选题]53.keras中包含的库有A)activationB)layersC)lossesD)metrics答案:ABCD解析:[多选题]54.Keras中卷积相关的层有A)Conv1DB)Conv2DC)MaxPool2DD)GlobalAvgPool2D答案:ABCD解析:[多选题]55.是一个基于POSIX的（）支持（）和（）的操作系统。A)多用户B)多任务C)多线程D)多CPU答案:ABCD解析:是一个基于POSIX的多用户、多任务、支持多线程和多CPU的操作系统。[多选题]56.在循环神经网络中,GRU中有几个门?A)输入门B)遗忘门C)重置门D)更新门答案:CD解析:[多选题]57.Sigmoid激活函数的用途是:A)解决非线性分类B)数据压缩至(0,1)C)是核函数D)解决线性分类问题答案:AB解析:[多选题]58.关于sigmoid函数,它的性质有什么?A)概率平均B)能解决非线性分类问题C)将负的权值映射到正值D)将正权值映射到负数答案:BC解析:[多选题]59.可以理解为压缩求和,常用于降维的函数和计算张量的各个维度上的元素的平均值的函数分别是?A)tf.reduce_sumB)tf.multiplyC)tf.reduce_meanD)tf.norm答案:AC解析:[多选题]60.控制控制cnn降采样的方式有A)卷积B)最大池化C)平均池化D)全连接答案:ABC解析:[多选题]61.归一化的特点:A)更容易收敛得到最优解B)权重值较小C)权重值大D)无特点答案:AB解析:[多选题]62.以下哪条tf语句能够描述损失函数A)loss=tf.reduce_mean(tf.square(y-y_datA.)B)loss=tf.reduce_sum(tf.square(y-y_datA.)C)loss=tf.reduce_mean(tf.add(y,y_datA.)D)loss=tf.reduce_mean(tf.subtract(y,y_datA.)答案:AB解析:第3部分：判断题，共20题，请判断题目是否正确。[判断题]63.Mini-Batch梯度下降算法是批量梯度下降和随机梯度下降的折中。A)正确B)错误答案:对解析:[判断题]64.Linux不仅系统性能稳定，而且是非开源软件。其核心防火墙组件性能高效、配置简单，保证了系统的安全。A)正确B)错误答案:错解析:Linux不仅系统性能稳定，而且是开源软件。其核心防火墙组件性能高效、配置简单，保证了系统的安全。[判断题]65.深度学习与机器学习算法之间的区别在于，后者过程中无需进行特征提取工作，也就是说，我们建议在进行深度学习过程之前要首先完成特征提取的工作。A)正确B)错误答案:错解析:[判断题]66.fit函数返回一个History的对象，其History.history属性记录了损失函数和其他指标的数值随epoch变化的情况，如果有验证集的话，也包含了验证集的这些指标变化情况A)正确B)错误答案:对解析:fit函数返回一个History的对象，其History.history属性记录了损失函数和其他指标的数值随epoch变化的情况，如果有验证集的话，也包含了验证集的这些指标变化情况[判断题]67.使用torchvision.datasets.ImageFolder根据图片目录创建图片数据集A)正确B)错误答案:对解析:[判断题]68.训练集准确率高,测试集准确率低是欠拟合A)正确B)错误答案:错解析:[判断题]69.增大权重和偏置的初始化值在神经网络中引入了非线性。A)正确B)错误答案:错解析:[判断题]70.Tensorboard中,可以使用tf.summary.scalar记录标量A)正确B)错误答案:对解析:[判断题]71.孪生网络又称为连体网络,网络中的连体是通过共享权值来实现。A)正确B)错误答案:对解析:[判断题]72.一个循环神经网络可以被展开成为一个完全连接的，具有无限长度的普通神经网络，这种说法是AA)正确B)错误答案:对解析:[判断题]73.自然语言理解是所有支持计算机理解文本内容的方法的总称，其任务主要包括文本分类、词法分析、实体分割、语义分析、文本匹配、信息抽取以及阅读理解等。()A)正确B)错误答案:错解析:[判断题]74.pytorch不支持广播A)正确B)错误答案:错解析:[判断题]75.CNN中常用的正则化手段是dropoutA)正确B)错误答案:对解析:[判断题]76.Tf.argmax可以认为就是np.argmax。tensorflow使用numpy实现的这个APIA)正确B)错误答案:对解析:[判断题]77.用卷积实现图像特征提取,就是借用共振原理。A)正确B)错误答案:错解析:[判断题]78.在深度多层感知机网络中，梯度爆炸会引起网络不稳定，最好的结果是无法从训练数据中学习，而最坏的结果是出现无法再更新的NaN权重值。A)正确B)错误答案:对解析:[判断题]79.在tf可以定义多个Session对话。A)正确B)错误答案:对解析:[判断题]80.神经元越多，计算量越大A)正确B)错误答案:对解析:[判断题]81.深度学习是含有一个隐含层的多层神经网络模型的强化学习，训练过程加入了激活函数。()A)正确B)错误答案:错解析:第4部分：问答题，共16题，请在空白处填写正确答案。[问答题]82.什么是权值衰减？权值的初始值应该如何设置，为什么不能设置为0？答案:①以减小权重参数的值为目的的进行学习的方法。②在误差反向传播法中，所有权重值都会进行相同的更新解析:[问答题]83.numpy的效率比pythonlist_______答案:高解析:[问答题]84.编程：定义两个常量，通过损失函数，计算两个常量的均方误差。答案:ImporttensorflowastfA=tf.constant([[4.0,4.0,4.0],[3.0,3.0,3.0],[1.0,1.0,1.0]])B=tf.constant([[1.0,1.0,1.0],[1.0,1.0,1.0],[2.0,2.0,2.0]])Mse=tf.reduce_mean(tf.square(a-b))Withtf.Session()assess:Print(sess.run(mse))解析:[问答题]85.神经网络将权重参数沿着_______方向进行更新答案:梯度解析:[问答题]86.编程：利用ConfigProto实现GPU环境的配置，并实现在两块GPU上运行程序。答案:ImporttensorflowastfImportosOs.environ['CUDA_VISIBLE_DEVICES']='0,1?Config=tf.ConfigProto()Config.gpu_options.allow_growth=TrueConfig.log_device_placement=TrueV1=tf.constant([1.0,2.0,3.0],shape=[3],name='v1?)V2=tf.constant([1.0,2.0,3.0],shape=[3],name='v2?)Sum=v1+v2Withtf.Session(config=config)assess:Print(sess.run(sum))解析:[问答题]87.应用滤波器的位置间隔称为_______答案:步幅解析:[问答题]88.softmax函数的输出可以解释为_______答案:概率解析:[问答题]89.编程：实现计算真实值与输入值之间的交叉熵，并将结果输出。注：输入值为变量，形状为2行3列，数据类型为32位浮点型。真实值为变量，形状为2行3列，数据类型为32位浮点型。答案:ImporttensorflowastfInput_data=tf.Variable([[0.2,0.1,0.9],[0.3,0.4,0.6]],dtype=tf.float32)Labels=tf.constant([[1,0,0],[0,1,0]],dtype=tf.float32)Cross_entropy=-tf.reduce_mean(labels*tf.log(tf.clip_by_value(input_data,1e-10,1.0)))Withtf.Session()assess:init=tf.global_variables_initializer()sess.run(init)print(sess.run(cross_entropy))解析:[问答题]90.保存文件后会在当前目录的model文件夹下会产生四个文件，简述每个文件的名称。答案:Checkpoint；datafile；metafile；indexfile解析:[问答题]91.数字5用独热表示的形式为_______。答案:0000010000；解析:[问答题]92.BatchNorm的思想是调整各层的激活值分布使其拥有适当的_______答案:广度解析:[问答题]93.tf.clip_by_value(A,min,max)函数的作用是什么？答案:输入一个张量A，把A中的每一个元素的值都压缩在min和max之间。小于min的让它等于min，大于max的元素的值等于max。解